我需要了解SVM的基本概念。请大家帮助我理解超平面的表示方式以及核函数的概念？
回答：
虽然@某人的回答的第一部分很好，但其余部分并未回答原问题，因此需要进一步的细节：
公式
为什么超平面方程是w^Tx+b=0？首先，你需要了解w^Tx=<w,x>对x的作用。它基本上是将x（从(0,0)开始的向量）投影到w（也是从(0,0)开始的向量）。因此，结果可以是正数（x和w之间的角度小于90度），等于0（它们垂直）或负数（角度大于90度）。所以你可以看到，只有当这两个对象垂直时，它才等于0，剩下的就是从原点(0,0)的距离，这是通过添加常数b来实现的。从几何角度来看，w被称为“超平面的法向量”，简单来说，就是与超平面垂直的向量。因此，如果你现在计算<w,x>并得到0，x与w垂直，而w与超平面垂直，所以x位于超平面上。
核函数
核函数，无非是前述公式中标量乘积<w,x>的另一种表达。使用K(x,y)代替的原因是，它假设你有一些“魔法”映射到某个不同的空间phi。换句话说，如果你有一个函数phi，它以某种方式重新排列你的点，使它们更容易分类，那么你可以在phi(X), L上训练一个线性SVM，而不是X,L（其中L是正确的标签）。问题在于，找到一个好的phi非常困难。在实践中，我们通常选择一个随机或任意的phi，它简单地将点映射到更高维度。这是一个已知的数学事实，在更高维度中，点更容易分离。特别是，如果你有N个点x_1, ..., x_N，你总能选择这样的phi，使得phi(x_i)=[0 0 0 ... 1 ... 0]，其中这个1出现在第i个位置。不幸的是，这样的phi(X)计算成本很高，因此我们使用核函数来代替，核函数定义为K(x,y)=<phi(x), phi(y)>。所以我们不需要知道phi的具体值，而是只需要知道通过phi映射的点之间的标量乘积。这就是核函数的作用，它们表示在某些不同空间中的标量乘积。特别是，RBF核函数将每个点映射到…函数（实际上是一个高斯分布）。因此，phi(x)具有无限维度且无法有效计算，但两个函数之间的标量乘积只是它们的乘积的积分，这是一个相当简单的对象。
